.png){kind=icon}
返回
Advancing Power Transformer Design Optimization Using Novel Multi-objective Evolutionary Techniques
.png){kind=icon}
PRE
AI
DOI：10.1007/s13369-026-11599-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种多目标差分进化框架（MODEA）和一种增强的多目标粒子群优化（MOPSO）技术，用于电力变压器设计优化。所提出的方法整合了多目标优化机制，以提高解的质量、收敛性和帕累托最优前沿的多样性。与三种广泛使用的多目标进化算法（MOEAs）——即强度帕累托进化算法（SPEA）、非支配排序遗传算法II（NSGA-II）和非支配排序遗传算法III（NSGA-III）进行了全面比较。该研究在同时最小化活动部件成本和最大化变压器效率的同时，评估了收敛性、多样性和帕累托前沿质量。与传统的差分进化方法不同，MODEA在针对受约束的变压器设计问题的多目标优化框架中，整合了基于帕累托的排名、拥挤距离多样性保持和精英选择机制。基于MATLAB的仿真表明，MODEA能够持续产生高质量且分布良好的帕累托最优解。此外，MODEA获得的最佳折衷方案在保持99.62%的相同效率水平的同时，与参考变压器设计相比，活动部件成本降低了11.17%。结果表明，所提出的框架对于实际的电力变压器设计优化是有效的，并为进化优化技术在复杂工程问题中的应用提供了有价值的见解。
Keyword:
Multi-objective evolutionary algorithms (MOEAs)
Differential evolution (DE)
Particle swarm optimization (PSO)
Strength Pareto evolutionary algorithm (SPEA)
Non-dominated sorting genetic algorithm (NSGA-II and NSGA-III)
期刊
A
IF:
2.9
论文数:
1.1K
被引数:
0
机构
引用论文
Performance Comparison of Multi Design Method and Meta-Heuristic Methods for Optimal Preliminary Design of Core-Form Power Transformers多设计方案与元启发式方法在核心式电力变压器最优初步设计中的性能比较
PREAI
分享收藏
Multi objective evolutionary algorithm for designing energy efficient distribution transformers
PREAI
分享收藏Design of a Three-Phase Shell-Type Distribution Transformer Using Evolutionary Algorithms.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏Three-Phase Transformer Optimization Based on the Multi-Objective Particle Swarm Optimization and Non-Dominated Sorting Genetic Algorithm-3 Hybrid AlgorithmEnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容